前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >游戏大咖Unity发布机器学习工具,可大幅提高NPC的“智商”

游戏大咖Unity发布机器学习工具,可大幅提高NPC的“智商”

作者头像
量子位
发布2018-03-26 17:29:40
1.5K0
发布2018-03-26 17:29:40
举报
文章被收录于专栏:量子位
安妮 编译整理 量子位 出品 | 公众号 QbitAI

欢迎来到游戏世界。

没听过Unity没关系,你肯定对王者荣耀、纪念碑谷、神庙逃亡2、Pokémon GO等游戏了如指掌。没错,Unity就是它们的游戏引擎。

今天,Unity宣布推出Unity Machine Learning Agent(ML-Agent),将游戏引擎连接到谷歌TensorFlow等机器学习框架中。通过深度强化学习算法,让非玩家角色(NPC)通过不断尝试和犯错,变得更有创造性和策略性。

在游戏开发的过程中,既不能让玩家因过于简单而无聊,也不能因难度太高丧失玩家兴趣。Unity开发者Arthur Juliani表示,Unity的ML-Agent将帮助增加游戏的可玩性。

Unity工程师自述ML-Agent在游戏开发中的意义

过去,开发人员需要手工编写代码,让训练环境中的相互作用逐步训练Agent,典型场景是一个单一环境+紧密耦合的Agent。Agent的动作改变环境状态,环境反馈给Agent各种奖励。

典型的强化学习训练循环

Unity希望设计一个系统,让游戏引擎更灵活易用。因此,Unity推出了ML-Agents,并且发布了开放测试版SDK。ML-Agents SDK让开发者可用Python API将Unity Editor中创建的游戏和模拟场景转换成可被深度强化学习、进化策略或其他机器学习方法训练的环境。

在ML-Agents中配置学习环境的可视化描述

对任何学习环境来说,Agent、Brain和Academy是必不可少的三大对象。

每个Agent都可以有独特的状态和观察值,可在环境中单独采取动作并获取奖励。Agent的行动由与之相关的Brain决定的,每个Brain定义一个特定的状态和动作空间,并负责决定关联的Agent将采取哪些动作。之后,Brain将信息汇总到Academy中,定义了环境的范围,比如引擎配置、跳帧控制、场景长度等。

Agent、Brain和奖励不同的连接方式能创造不同场景,因此,Unity的ML-Agents够解锁各种训练场景。对于训练Agent的新手来说,Unity提供了典型的环境配置示例,并解释了如何用ML-Agents SDK创建它。

Unity在官方博客中展示了一些不同场景的训练实例,经过一段时间的训练,Agent的表现都很惊人:

30秒内训练Agent玩3D平衡球

Unity游戏引擎能高精度模拟现实场景,比如物体的纹理、光效、材质等。Unity AI和机器学习技术部的副总裁Danny Lange在接受采访时表示,Unity的ML-Agents的作用并不局限于虚拟游戏,还将加速现实生活中机器人等技术的进步。比如对自动驾驶行业来说,可以在计算机生成的但逼真的虚拟环境中较为真实地训练它们。

最后,附Unity官方博客介绍:

https://blogs.unity3d.com/cn/2017/09/19/introducing-unity-machine-learning-agents/

及ML-Agents GitHub代码:

https://github.com/Unity-Technologies/ml-Agents

祝你玩得愉快~

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-09-20,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 量子位 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 安妮 编译整理 量子位 出品 | 公众号 QbitAI
    • △ 30秒内训练Agent玩3D平衡球
    领券
    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档